【转】Python OCR识别图片验证码

提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

转载自：博客

对于某些网站登录的时候，往往需要输入验证码才能实现登录。如果要爬虫这类网站，往往总会比这个验证码导致无法爬取数据。以下介绍一种比较折中的方法，也是比较可行的方法：
实现思想：
1、通过截图获取验证码图片，为什么要截图，有的人会说，可以通过验证码图片的链接爬取下来，再用OCR识别就可以了，理论上这个方法是可行的，但是当你用这方法的时候，会发觉下载的图片和你实际页面的图片里面的内容是不一样的。
2、截图图片后，通过OCR识别，返回验证码内容，完成登录。

代码：

#保存图片，通过显示器xy坐标，这里值得注意的是，如果每个显示器的分辨率是不一样的，(332,415,385,440)这个坐标会随时改动。

from PIL import ImageGrab
addr='E:\\OCR\\bb.png'
im = ImageGrab.grab((332,415,385,440))
im.save(addr,'png')

OCR识别，尽管上OCR识别有一定的准确率，但这个是可以通过ocr开发提高识别准确率的。

import pytesser3
print (pytesser3.image_file_to_string('bb.png'))

运行：
下载图片：

OCR识别：

定义一个简单登录方法：

from PIL import ImageGrab
import pytesser3
from selenium import webdriverdef loginSys(loginName,password):
driver=webdriver.Ie()
driver.get(url)
driver.implicitly_wait(60)
LoginTitle=driver.title while 1:
result=driver.title
if LoginTitle==result:
#截图
addr='E:\\OCR\\bb.png'
im = ImageGrab.grab((332,415,385,440))
im.save(addr,'png')
#OCR
Code=pytesser3.image_file_to_string('bb.png')
print (pytesser3.image_file_to_string('bb.png'))
#自动登录，find_element_by_id自行修改
driver.switch_to.frame('loginFormFrame')
driver.find_element_by_id('id_loginName').send_keys(loginName)
driver.find_element_by_id('id_password').send_keys(password)
driver.find_element_by_id('id_certCode').send_keys(Code)
driver.implicitly_wait(10)
driver.find_element_by_xpath('//img[@onclick="doLogin();"]').click()
driver.implicitly_wait(10)
driver.switch_to.default_content()
else:
break
#cookies传递，用于request爬取数据
cook=driver.get_cookies()
cookies[cook[0]['name']]=cook[0]['value']

解释：这里用了selenium做一个自动化登录的，这里会有疑问，为何不用requests，或者scrapy直接做后台登录。
原因如下：首先我们找到登录

这是一张图片，而且图片触发是一个js，再看js
js代码很长，大部分都是做检测功能。

如图所示，可以看到，这个登录是用get方法实现的，但是str是做了加密处理。
我用过python的Base64解密，但解密出来的结果不一样。
所以只能用到上述的方法。